Aula - Analise Fatorial Exploratoria SPSS escala ansiedade

[@thelma8760]

Sensacional a sua clareza, objetividade e contextualização. Vou buscar outros vídeos de vcs, pois tenho muita dificuldade com SPSS e, com a tradução da epidemiologia ao senso prático. ADOREI. Melhor vídeo de análise fatorial que assisti.

[@canalmissoes]

Parabéns pela excelente visão e explanação da Analise Fatorial Exploratória

[@arthurbarbosa1437]

Excelente

[@luisfca]

Obrigado!!

[@danncarreiro]

Tudo que eu precisava nesse momento.

[@celinalima2278]

Aula ótima! Muito esclarecedora! Parabéns!

[@lm2182]

Que video meu amigo. Me salvou

[@valeriancosta4096]

Parabéns ótima explicação ,ajudou muito !

[@luisfca]

valeu. Obrigado!

[@vbhirota]

PARABÉNS PELA AULA E MUITO OBRIGADO

[@medioterapiazen2935]

ajudou muito grata

[@alcydioaugusto1370]

Boa tarde, adorei o canal, bastante didático. Ajude-me com uma dúvida aqui. Como classificar valores no spss, ou seja, por exemplo, no Indice de Depressao de Back, os escores de 0 até 09 pontos significam ausência de depressão ou sintomas depressivos mínimos; de 10 a 18 pontos, significam depressão leve a moderada; de 19 a 29 pontos significam depressão moderada a grave; e, de 30 a 63 pontos significam, depressão grave. Como definir esses valores no spss (tipo lançar o nr 11 e ele classificar automaticamente que eh leve)?

[@flaviafarialopes9066]

Boa noite... e se na extração nao tiver nenhuma maior que 0,50... o que fazer?

[@carinasantos771]

Boa Tarde, Tenho um item cujo componente é negativo (mas o item não é invertido). Como posso analisar esta situação? Obrigada

[@geraldoferrari2400]

Caso o instrumento seja original, o que você sugere na seção "extrair" 'com base no autovalor' ou algum número fixo?

[@PsicometristasBrasil]

Se houver uma teoria já consolidada sobre o instrumento, siga a teoria. Se não houver, você terá de fazer uma análise exploratória. Recomendo que você deixe o autovalor livre e utilize o estimador de acordo com o tipo de medida que o instrumento usa (normalmente, ordinal). Um abraço

[@renatasoares427]

É possível fazer estes cálculos da análise fatorial pelo excel? Contratei uma estaticista que disse que não é possível fazer análise fatorial do instrumento que elaborei e foi analisado quanto a importância por 12 juízes. Foi feito apenas Alfa de Cronbach

[@PsicometristasBrasil]

Analise fatorial de um instrumento pede algumas condições, como uma quantidade mínima de sujeitos. Provavelmente, o que você você realizou foi uma validade semântica/de conteúdo. Isso ?

[@lucianamatos5159]

Parabéns pela valiosa e excelente explicação.

[@luisfca]

Obrigado! Um grande abraço!

[@weltonrodrigotorresnascime9616]

Os dados originais estão disponíveis em algum lugar?

[@erikayukieishigaki]

Bom dia ...gostaria de saber sobre o tamanho amostral para realização da análise fatorial

[@PsicometristasBrasil]

10 participantes por item. Se seu instrumento tem 10 itens, você precisará de 100 participantes.

[@weltonrodrigotorresnascime9616]

Olá, muito interessante o seu artigo. Fiquei em dúvida em relação à análise fatorial confirmatória. No vídeo, você fala que a análise confirmatória é theory-driven, ao passo que a exploratória seria data-driven, o que serviu de justificativa, por exemplo, para forçar a extração de 2 componentes, enquanto os dados mostravam pelo menos 4 componentes com autovalores acima de 1. No entanto, como se trata da validação da tradução de um questionário (e, obviamente, sua utilização num contexto diferente àquele da pesquisa original, no estados unidos), não seria melhor uma abordagem data-driven? Em outras palavras, o fato da análise trazer 4 componentes em vez dos 2 obtidos pela pesquisa original não seria uma evidência de que a tradução ou o contexto diferente estariam introduzindo distorções em relação ao instrumento original?

[@PsicometristasBrasil]

Olá, repare que no screeplot, temos 2 fatores possíveis para extrair. Esta situação do exploratória vs confirmatória tem mil autores com posicionamentos diferentes e, em muitos momentos, o data driven acaba por chegar a outro padrão dimensional do que o theory driven. Uma das sugestões da psicometria é tentar, no máximo, respeitar as propriedades dimensionais previamente expostas pela teoria. Grande abraço

[@julianasouza8524]

Olá! Parabéns pela clareza no video! Estou trabalhando com uma "amostra" bem pequena (22 famílias), pois estou realizando um estudo de caso sobre tomada de decisão em uso e manejo do solo na área de agronomia/ciência do solo, e estas 22 famílias compõe toda a população. Com esse número pequeno não consigo utilizar fatorial. E, pretendo utilizar perguntas/afirmações com escala de 1 a 5 variando no grau de concordância dos tópicos. Assim, gostaria de saber se conhecem alguma análise correpondente que eu possa utilizar com este número reduzido de respondentes? Já agradecida!

[@PsicometristasBrasil]

PCA e FA, apesar de técnicas diferentes, quase sempre pedem o mesmo pressuposto para confecção de amostra. No entanto, quantos itens seu instrumento provavelmente vai ter ? Pelo que parece, uma análise de componentes principais é o modelo adequado (já que parece ser formativo).

[@julianasouza8524]

Muito obrigada pela pronta e atenciosa resposta! Não sou da área e por isso tenho estudado muito, mas ainda tenho muita dicficuldade. Estou exatamente na fase de contrução do meu intrumento. E gostaria de montá-lo de forma a adequar a análise que seja passível de aplicação. Penso em ter 3 instrumentos, um para avaliar os valores (aquilo que os agricultores acreditam), outro para avaliar os objetivos (relativo as expectativas) e, por fim, um para avaliar o comportamento (como de fato tem agido), tudo relacionado ao uso/manejo do solo. E acredito que cada instrumento provavelmente terá de 20 a 30 itens. Se tiver mais alguma orientação, ou recomendação de literatura, ficarei muito agradecida. Forte abraço!

[@PsicometristasBrasil]

[e-mail] entra em contato que vemos isso. um abraço

[@julianasouza8524]

Obrigada! Tem me ajudado muito!!

[@hildamoleda7463]

Parabéns pela explanação do tema complexo de forma muito didática. Tenho 1 dúvida: o método de rotação é escolhido a partir da avaliação se existe ou não correlação entre os itens ou entre os fatores? Por que entendo que seria diferente.

[@PsicometristasBrasil]

Entre os fatores. Os itens são correlacionados por definição para se realizar uma análise fatorial. Antigamente, inclusive, havia alguns testes feitos para verificar isso, como o KMO e o Teste de Bartlett.

[@hildamoleda7463]

@@PsicometristasBrasil eu continuo utilizando estes testes. É algo desatualizado é?! 🤦‍♀️ teria alguma referência atual de como fazer? Pois ainda se vê muito o uso do KMO e Bartlett

[@hildamoleda7463]

@@PsicometristasBrasil obrigada

[@PsicometristasBrasil]

@@hildamoleda7463 Eu também os uso e acredito que ninguém consideraria inadequado. Esses testes quase sempre indicam que os dados são fatoráveis e, por isso, eles são mais usados de maneira descritiva do que para tomar uma decisão. =)

[@hildamoleda7463]

@@PsicometristasBrasil ah entendi. Perfeito. Obrigada!

[@lidiamatsubara261]

Boa tarde. No meu SPSS no momento da extração não aparece Scree plot, mas aparece gráfico de sedimentação. Posso clicar nele? Muito obrigada pela atenção.

[@PsicometristasBrasil]

Pode sim.

[@mixterjef]

Olá tudo bem? Você poderia me dizer onde consigo essa base de dados? Está em algum site específico? Estou tentando aprender mexer no spss e gostaria de obter os mesmo resultados apresentados aqui no video

[@PsicometristasBrasil]

essa é uma base própria aqui da puc

[@debonafloripa]

Amigo, poderia me dar alguma luz? Não é psicometria, é Administração Pública, mas dá pra discutir por analogia. Construí uma escala de 47 variáveis em 6 dimensões, e precisaria testar sua validade. Algumas variáveis tem 5 opções (muito baixo, baixo, médio...), mas outras têm só 3 ou 2 (S/N). Classifiquei as opções de 0 a 4, pois estou avaliando o nível de risco, então 4 tem muito risco, 0 tem pouquíssimo risco. Minhas dúvidas: - Essas variáveis devem estar como medidas Ordinais no SPSS? Ou tipo Escala? - Para testar minha escala, seria Escala Tipo-Likert? Porque o neutro não é a mediana, é o zero, certo? Tem algum vídeo orientando sobre isso? - Seguindo suas dicas de Redução, minhas 6 dimensões não se mostraram válidas, mas com 3 o modelo ficaria ótimo (acima de 0.9 em cada). Só que realocar as variáveis perderia o sentido, porque minhas dimensões são conceituais. Sendo exploratória, seria o caso de apenas concluir dizendo que as dimensões x e y não são válidas? - Nesse caso, na matriz de componente rotativa, se uma variável estiver com dados abaixo de 0,3 nas 3 dimensões, significa que ela deveria ser excluída da escala, é isso? - É que estou com muitas dúvidas sobre como concluir sobre a validade, com os testes que fiz... a medida KMO foi 0.811, sig. 0,000. Se tiver algum outro vídeo que oriente por aí, agradeço.

[@PsicometristasBrasil]

- Essas variáveis devem estar como medidas Ordinais no SPSS? Ou tipo Escala? > Ordinais. Porém, isso não vai alterar muita coisa nas suas análises. Para testar minha escala, seria Escala Tipo-Likert? Porque o neutro não é a mediana, é o zero, certo? Tem algum vídeo orientando sobre isso? > Sim. Temos um vídeo sobre analise de escalas likert. As análises são as mesmas Seguindo suas dicas de Redução, minhas 6 dimensões não se mostraram válidas, mas com 3 o modelo ficaria ótimo (acima de 0.9 em cada). Só que realocar as variáveis perderia o sentido, porque minhas dimensões são conceituais. Sendo exploratória, seria o caso de apenas concluir dizendo que as dimensões x e y não são válidas? > Cada autor define uma "validade" mais relevante. Tem pessoas que dizem que aspectos teóricos conceituais são fundamentais e que se os dados empíricos não sustentarem a teoria, talvez a coleta tenha sido errada. Tem gente que vai no contrário: se os dados empíricos não sustentarem a teoria, muda-se os aspectos teóricos. De fato, não há consenso. No caso, pela teoria da psicometria, você pode manter três dimensões, comentar que os itens não se alocaram exatamente onde deveriam e que você está trabalhando com um modelo alternativo. Nesse caso, na matriz de componente rotativa, se uma variável estiver com dados abaixo de 0,3 nas 3 dimensões, significa que ela deveria ser excluída da escala, é isso? > Isto. Tem recomendações diferentes em relação ao ponto de corte, mas tendo em vista que estas cargas fatoriais expressam combinações lineares, 0.3 é um ponto que quase todos concordam. Bom, qualquer coisa fale que tento ajudar. Um abraço Luis

[@debonafloripa]

Obrigado! Descobri que estou entendendo um pouco kkk. Abração!!

[@iagolopes2971]

Uma coisa que eu não entendi, a análise exploratória eu vou fazer ela por constructo?

[@PsicometristasBrasil]

a confirmatória você faz por constructo. a exploratória você não impõe restrição aos itens, podendo, como fiz aqui, ver o quanto da variabilidade é explicada por um número pré-determinado de dimensões. Haverá quem diga que isso já é uma tendência à análise confirmatória, o que está certo. Haverá quem diga que isso nada mais é do que uma tentativa linear de explicar variabilidade, o que também está certo.. Na estatística, tem ambos os entendimentos.

[@iagolopes2971]

Perfeito. Obrigado. Vídeos muito bons, estão salvando minha dissertação. Parabéns pela iniciativa e trabalho.

[@PsicometristasBrasil]

Fico feliz. Importante você considerar o seguinte nesta etapa de quantidade dimensional: superextração é um erro em que ha a extração de um número maior de fatores dos que realmente existem e subextração é justamente o contrário. Esta citação fala sobre ambas as situações ilustrando que poucos fatores é *pior* do que muitos : Traditionally, methodologists have regarded specifying too few factors in a model (i.e., underfactoring) as a much more severe error than specifying too many factors (i.e., overfactoring; see Cattell, 1978; Rummel, 1970; Thurstone, 1947). Empirical research has generally supported this notion. When too few factors are included in a model, substantial error is likely (Fava & Velicer, 1992; Wood et al., 1996). Measured variables that load on factors not included in the model can falsely load on factors included in the model, and poor estimates of the factor loadings can he obtained for measured variables that do actually load on the factors included in the model (Wood et al., 1996). Lembre-se dos passos para análises fatoriais considerando os pressupostos estatísticos básicos: 1 representatividade de sua amostra ao que você pesquisa, 2 quantidade mínima de pessoas por itens (10 ou mais: se você tem um test com 15 itens, deve ter um n => 150). 3 escolha de uma rotação/estimador adequada ao seus dados 4 interpretação dos resultados. Um abraço Luis

[@iagolopes2971]

Obrigado pelo direcionamento. Abraços

[@realmatismo10]

Boa noite, esse arquivo word ainda está disponível ?

[@PsicometristasBrasil]

Posso procurar. Manda email para [e-mail].

[@rlustosa666]

onde pego o pack de tradução do spss?

[@PsicometristasBrasil]

+Rafael Costa No proprio programa, na guia de opções. Nosso primeiro vídeo de SPSS ensina. Abraços

[@rlustosa666]

Psicometristas (Brasil) encontrei aqui me batendo dentro do programa! obrigado pela ajuda! Uma sugestão: podia rolar o vídeo de baterias ´psicométricas defaults para os instrumentos e escalas mais utilizadas. Obrigado e parabéns pela inicativa

[@PsicometristasBrasil]

+Rafael Costa Valeu! Obrigadão.